顶级AI基准GDPx上线 最佳模型仅得12分
评测机构 SemiAnalysis 于11月2日发布新基准 GDPx，专为衡量前沿模型在「最有经济价值领域」的真实能力而设计。基准覆盖11个领域：递归自我改进、硬件设计、网络安全、生物、金融、法律、量化交易、芯片设计、软件工程、材料科学与模型对齐。团队给出的理由很直接：AI 的第一万亿美元收入，将集中在少数能以高回报部署前沿智能的行业，而不是均匀摊到整个经济里。
难度设定相当残酷：即便是最强的模型，在 GDPx 上的综合得分也只有12％。换句话说，如今的前沿模型距离独立胜任这些高价值工作仍然很远，基准的区分度留给了未来几代模型。
https://www.baojiabao.com/uploadfile/ueditor/image/202611/1793600138913237.jpg排名方面，Anthropic 的 Opus 5.5 是目前的全能冠军，在量化交易、硬件设计和芯片设计三个领域拿下第一；谷歌的 Gemini 4 Carbon 是最佳生物模型，并以微弱优势赢下软件工程；OpenAI 的 GPT-6 Astra 则在递归自我改进领域优势明显。Meta、SpaceXAI 和各家开源权重模型整体落后第一梯队一截。
一个容易被忽视的细节是安全分类器的影响。Opus 5.5 和 GPT-6 Astra 的总分其实被网络安全、生物和对齐三个领域的分类器「压分」——如果排除这三个领域，排名会明显变化。例如 Muse Wonder Full 在计入分类器的对比里，实际上是当前最好的网络安全模型。SemiAnalysis 提醒，选模型时不能只看总分，分类器的松紧会真实影响特定场景下的可用性。
成本与性能的帕累托前沿也和团队的日常体验一致：Luna 与 DeepSeek 争夺低端性价比位置，Opus 占据高端，OpenAI 卡位中间市场。基准的各模型明细已随文章一并公开。
编译自 SemiAnalysis，原标题："GDPx: Measuring Frontier Model Capabilities Across the Most Valuable Domains"
